تعلم الآلة
تصنيف أزهار Iris
Iris Flower Classification
أول مشروع تصنيف كامل: من استكشاف البيانات إلى المقارنة بين ثلاثة مصنفات بالتحقق المتقاطع.
وصف المشكلة
تصنيف زهرة السوسن إلى ثلاثة أنواع (setosa وversicolor وvirginica) من أربعة قياسات للبتلات والسبلات. المشكلة صغيرة ونظيفة، لذلك هي مثالية لتعلم سير العمل الكامل دون تعقيدات المعالجة.
حالة المشروع: دليل تنفيذ كامل بالخطوات والكود. لم يُشغّل الكود في بيئة إعداد الأكاديمية لأنه يحتاج Statistics and Machine Learning Toolbox وتنزيل البيانات، لذلك لا نعرض نتائج رقمية؛ شغّله في MATLAB وسجّل نتائجك بالمقاييس المذكورة.
الأهداف التعليمية
- استكشاف بيانات متعددة الفئات ورسمها
- تقسيم طبقي وتحقق متقاطع
- مقارنة KNN وشجرة القرار وSVM
- قراءة مصفوفة الالتباس
البيانات المطلوبة
150 عينة × 4 ميزات رقمية (سم) و3 فئات متوازنة (50 لكل فئة). البيانات مرفقة مع Statistics and Machine Learning Toolbox باسم fisheriris.
مصدر البيانات:
خطوات التنفيذ
- حمّل البيانات بـ load fisheriris.
- ارسم مصفوفة التشتت gplotmatrix لرؤية قابلية الفصل.
- قسّم 70/30 طبقياً بـ cvpartition.
- درّب ثلاثة نماذج بالتحقق المتقاطع 10 طيات.
- اختر الأفضل وقيّمه مرة واحدة على الاختبار.
- اعرض مصفوفة الالتباس وحلل الأخطاء بين versicolor وvirginica.
المعالجة المسبقة
- لا قيم مفقودة.
- التطبيع داخل النماذج (Standardize) لأن KNN وSVM حساسان للمقياس.
الخوارزمية
KNN (K = 5)، وشجرة قرار، وSVM متعدد الفئات عبر fitcecoc. المقارنة بخطأ التحقق المتقاطع.
كود MATLAB
load fisheriris
rng(42);
gplotmatrix(meas, [], species);
cv = cvpartition(species, 'HoldOut', 0.3);
Xtr = meas(training(cv), :); ytr = species(training(cv));
Xte = meas(test(cv), :); yte = species(test(cv));
models = {fitcknn(Xtr, ytr, 'NumNeighbors', 5, 'Standardize', true), ...
fitctree(Xtr, ytr), ...
fitcecoc(Xtr, ytr, 'Learners', templateSVM('Standardize', true))};
names = {'KNN', 'Tree', 'SVM'};
cvErr = zeros(1, 3);
for k = 1:3
cvErr(k) = kfoldLoss(crossval(models{k}, 'KFold', 10));
fprintf('%-5s 10-fold error = %.3f\n', names{k}, cvErr(k));
end
[~, best] = min(cvErr);
pred = predict(models{best}, Xte);
fprintf('best = %s, test accuracy = %.3f\n', names{best}, mean(strcmp(pred, yte)));
confusionchart(yte, pred);لم يُشغّل في بيئة الإعداد (يحتاج Statistics and Machine Learning Toolbox وبيانات خارجية). راجع الكود مع توثيق الدوال في إصدارك قبل التشغيل.
شرح الكود
- gplotmatrix يعرض كل زوج من الميزات ملوناً بالفئة.
- cvpartition بالفئات يحفظ النسب في التدريب والاختبار.
- crossval + kfoldLoss يقدّر الخطأ من التدريب فقط.
- الاختبار يُستخدم مرة واحدة للنموذج المختار.
النتائج المتوقعة
توقع أن تفصل setosa تماماً، وأن تتركز الأخطاء بين versicolor وvirginica. سجّل خطأ التحقق لكل نموذج ودقة الاختبار للنموذج المختار.
مقاييس التقييم
- الدقة Accuracy
- خطأ التحقق المتقاطع
- مصفوفة الالتباس
- Precision وRecall لكل فئة
القيود
- البيانات صغيرة جداً وسهلة؛ لا تعكس صعوبة المشاكل الواقعية.
- دقة اختبار من 45 عينة لها فترة ثقة واسعة.
